Почему универсальный чат-бот не работает: агент под вашу задачу

Когда бизнес впервые подключает бота, он чаще всего хочет одного - чтобы тот отвечал клиентам сам. Но как только доходит до настройки, выясняется, что селлеру маркетплейса, HR сети клиник и руководителю отдела продаж нужно разное. Один универсальный ассистент на всех закрывает каждую задачу наполовину. Пользу даёт агент, заточенный под конкретную задачу, - его и собираем.

LLM Агент - наш ИИ-сотрудник для сайта, Битрикс24 и мессенджеров. Он отвечает по каталогу, регламентам и базе знаний компании, а где не уверен - передаёт диалог человеку. Сейчас им пользуются более 200 компаний, через него прошло свыше 1 млн обращений. Главный урок этих внедрений простой: чем точнее агент заточен под задачу, тем больше от него пользы.

Почему универсальный бот не закрывает ни одну задачу

Представьте трёх клиентов. Селлер на Ozon и Wildberries ждёт ответов про сроки доставки, габариты и совместимость товара, а ещё - чтобы бот предложил сопутствующее. HR сети клиник хочет, чтобы сотрудники перестали дёргать отдел кадров вопросами про отпуска и оформление документов. Руководитель отдела продаж в недвижимости считает не вопросы, а сделки: ему нужно, чтобы из входящего потока менеджеру попадали только квалифицированные лиды.

Это три разные работы. Боту для селлера нужно знать товарную матрицу и правила маркетплейсов. Боту для HR - доступ к внутренним регламентам и аккуратность с формулировками. Боту для продаж - логика квалификации и интеграция с CRM. Универсальный ассистент пытается угодить всем сразу и в итоге каждому отвечает обтекаемо.

Настроить под себя один общий промпт клиент тоже не может и не хочет - это отдельная работа, на которую у бизнеса нет ни времени, ни компетенций. Поэтому агент приходит готовой конфигурацией под задачу, а собирать промпт самому клиенту не нужно.

Что бизнес на самом деле покупает

Заказчик платит не за технологию и не за то, чтобы "настраивать нейросеть". Он платит за то, что рутина закрывается без найма второго оператора. Если для этого нужно неделю описывать сценарии и подбирать формулировки - ценность теряется ещё до запуска.

Отсюда наш подход: готовые конфигурации под задачу вместо пустого конструктора. Клиент подключает свои данные - каталог, регламенты, базу знаний - и получает работающего ассистента. Базовая настройка занимает от 10 до 30 минут: от регистрации до первого ответа клиенту.

Агент, заточенный под вашу задачу

Заточенный агент - это свой промпт, свои ограничения и свой набор навыков под конкретную задачу. Клиент подключает нужное под свою работу и получает ассистента, который говорит на языке его дела и знает его типовые вопросы.

Как это выглядит на практике

Продавец на Ozon и Wildberries с каталогом в несколько сотен позиций получает поток однотипных вопросов: сроки, габариты, совместимость, наличие. Раньше на них отвечал человек, в том числе ночью под разные часовые пояса. Теперь поток типовых вопросов закрывает агент, а оператор подключается только к нестандартным обращениям.

HR сети клиник тонет в одних и тех же вопросах сотрудников: как оформить отпуск, какие нужны документы, к кому идти с заявлением. Агент, настроенный на базу знаний, отвечает на них по внутренним регламентам со ссылкой на конкретную статью - и освобождает отделу кадров десятки часов в месяц на работу, которую не автоматизировать.

Отдел продаж в недвижимости получает много входящих, но до сделки доходит малая часть. Агент берёт первый контакт, уточняет бюджет, сроки и задачу - и передаёт менеджеру уже квалифицированный лид, а не сырой контакт. Команда справляется с потоком прежним составом, без расширения штата.

Главное в B2B - доверие

B2B-клиент готов отказаться от бота за одну выдуманную цифру. Если ассистент уверенно назовёт неверный срок поставки или несуществующую скидку, доверие к нему не вернуть. Поэтому правило у агента жёсткое: отвечает только фактами со ссылкой на источник, а где уверенности нет - эскалирует диалог на человека. Никаких ответов из головы.

Источник ответа - данные самой компании: каталог, регламенты, статьи базы знаний. Агент не фантазирует поверх них, а цитирует. Это и есть разница между "бот что-то ответил" и "боту можно доверить клиента".

Для чувствительных данных есть выбор инфраструктуры. Агент работает на разных моделях, в том числе российских (Yandex, Sber), а при строгих требованиях по 152-ФЗ разворачивается локально, в контуре компании. LLM Агент - в реестре российского ПО. Это снимает вопрос "а куда уходят наши данные" ещё на старте.

Где агент работает

Заказчику важно, чтобы ассистент жил там, где уже идёт его бизнес, а не на отдельной платформе, куда надо отправлять клиентов и сотрудников. Один и тот же агент с одной базой знаний отвечает во всех каналах сразу:

• →виджет на сайте;
• →открытые линии и чат-бот в Битрикс24;
• →Telegram;
• →MAX.

WhatsApp Business в разработке. Никакого "зайдите в наш кабинет" - агент подключается к тем каналам, где клиент уже общается.

Чему мы научились

Большая часть выводов оказалась не про технологию, а про бизнес и продажи.

• →Один промпт на все задачи не работает. Универсальный бот проигрывает заточенному под задачу на каждом нестандартном вопросе - поэтому под разные работы мы держим разные конфигурации.
• →Включить мало - нужна короткая демонстрация на данных клиента. Мы думали, что продукт продаёт себя сам через бесплатную регистрацию. Оказалось, бизнесу нужно увидеть агента на своих вопросах и своём каталоге, прежде чем он поверит.
• →Голос бренда важнее цены. Клиента в первую очередь волнует не тариф, а то, чтобы бот отвечал в тоне его компании и не позорил её формулировками. Цена - второй вопрос.
• →Доверие строится на признании незнания. Бот, который честно говорит, что передаёт менеджеру, ценнее бота, который всегда уверен. Эскалация - не слабость, а условие, при котором агенту вообще доверяют первую линию.

Что развиваем дальше

Продукт работает в продуктиве, но мы продолжаем его достраивать. Ближайшие направления:

• →Новые каналы. WhatsApp Business и другие площадки, где общаются клиенты.
• →Новые навыки. Задачи, которые мы видим в продуктиве чаще всего, - добавляем их в каталог агента.
• →Оценка качества ответов. Инструменты, которые показывают, где агент отвечает уверенно, а где базе знаний не хватает данных.

Без обещаний и сроков - выкатываем по мере готовности и проверки на реальных внедрениях.

Вывод

Универсальный бот хорошо смотрится на демонстрации и буксует в реальной работе: он одинаково средний для всех. Пользу даёт ассистент, который знает вашу задачу, отвечает только по вашим данным и честно передаёт сложное человеку. Поэтому LLM Агента мы собираем заточенным под конкретную работу: он включается за минуты и работает там, где уже идёт ваш бизнес.